Steve Eisman ostrzega: boom infrastruktury AI ma ukryty słaby punkt

Steve Eisman sprzedał posiadane od dawna akcje Alphabet mimo gwałtownego wzrostu działalności chmurowej, zamieniając historię z Google News w ostrzeżenie przed jedną z zatłoczonych transakcji związanych z AI. Inwestor znany z zakładu przeciw rynkowi mieszkaniowemu, opisanego w „The Big Short”, nie przewiduje porażki sztucznej inteligencji. Kwestionuje natomiast, czy jej przyszłe zyski uzasadnią dzisiejsze nadzwyczajne wydatki na infrastrukturę.

To rozróżnienie zmienia charakter debaty. Modele AI mogą się rozwijać, popyt na chmurę może rosnąć, a Nvidia może nadal sprzedawać procesory, podczas gdy inwestorzy wciąż będą osiągać rozczarowujące stopy zwrotu. Obawy Eismana dotyczą łańcucha ekonomicznego łączącego producentów chipów, platformy chmurowe, twórców modeli, kredytobiorców korporacyjnych i inwestorów indeksowych.

Alphabet dobrze obrazuje ten konflikt. Działalność chmurowa spółki szybko się rozwija, ale firma przeznacza coraz więcej gotówki na serwery, sprzęt sieciowy, energię i centra danych. Microsoft stoi pod podobną presją, ponieważ popyt wyprzedza dostępną moc obliczeniową.

Byczy scenariusz zakłada, że te ograniczenia dowodzą, iż klienci chcą więcej usług AI, niż dostawcy są w stanie zapewnić. Sceptyczny scenariusz mówi, że sam popyt nie gwarantuje atrakcyjnych marż po uwzględnieniu amortyzacji, energii elektrycznej, finansowania i kosztów wymiany sprzętu.

Eisman nie otworzył szerokiej pozycji krótkiej przeciw sektorowi. Zamiast tego ograniczył ekspozycję na AI, utrzymywał więcej gotówki i czekał na wyraźniejsze dowody. Jego decyzja stawia trudniejsze pytanie niż to, czy AI działa: kto ostatecznie zarobi wystarczająco dużo, aby sfinansować tę rozbudowę?

Co Steve Eisman faktycznie zmienił

Sprzedaż akcji Alphabet przez Eismana była decyzją dotyczącą ryzyka, a nie deklaracją, że Google lub AI przestały rosnąć.

Eisman powiedział CNBC, że posiadał akcje Alphabet tak długo, iż nie pamięta, kiedy kupił je po raz pierwszy. Następnie sprzedał tę pozycję, gdy wydatki na AI przyspieszyły w całym sektorze technologicznym.

Według pierwotnego ostrzeżenia dotyczącego ekspozycji na AI, Eisman przeniósł uzyskane środki do gotówki, a nie do tradycyjnych akcji defensywnych. Nie zastąpił Alphabet spółkami użyteczności publicznej, produktami pierwszej potrzeby ani innym rzekomo bezpieczniejszym motywem inwestycyjnym.

Ten wybór ma znaczenie, ponieważ odróżnia jego stanowisko od klasycznej transakcji na recesję. Nie twierdzi, że wolno rosnące spółki automatycznie oferują lepsze stopy zwrotu. Mówi, że rynek obecnie daje niewiele atrakcyjnych sposobów na ucieczkę od dominującej ekspozycji na AI.

Najbardziej bezpośrednie ostrzeżenie Eismana dotyczyło tego, co stanie się, jeśli technologia nie zapewni odpowiedniego zwrotu finansowego. Powiedział, że w takim scenariuszu spodziewa się „dużej korekty”, choć nie podał harmonogramu ani szacowanej skali spadku.

To sformułowanie może brzmieć bardziej pesymistycznie niż jego pełne stanowisko. Eisman przyznał, że AI może stać się znakomitą technologią. Jego wątpliwości dotyczą tego, czy każda firma finansująca, dostarczająca lub obsługująca tę technologię zasługuje na obecne oczekiwania rynku.

To ukryty słaby punkt kryjący się za nagłówkiem w Google News. Sukces technologiczny i sukces inwestycyjny są powiązane, ale nie są wymienne.

Użyteczny produkt może generować ogromną aktywność, nie przynosząc wystarczających zysków każdemu uczestnikowi rynku. Linie lotnicze zmieniły transport, lecz ich ekonomika przez długi czas pozostawała trudna. Sieci telekomunikacyjne stały się niezbędne nawet po tym, jak inwestorzy stracili pieniądze na nadmiernej podaży mocy.

Infrastruktura AI stoi przed własną wersją tego problemu. Dostawcy chipów mogą odnotowywać sprzedaż, gdy firmy chmurowe kupują procesory. Dostawcy chmury mogą raportować popyt, gdy firmy tworzące modele rezerwują moce. Żadna z tych transakcji nie dowodzi, że końcowi klienci osiągną trwałe zyski z powstałych usług.

Eisman zakwestionował również coraz silniej powiązane układy finansowania w sektorze. Producenci chipów, dostawcy chmury, twórcy modeli i inwestorzy infrastrukturalni mogą wspierać się nawzajem poprzez kontrakty, inwestycje, pożyczki lub zobowiązania dotyczące mocy.

Takie relacje nie są automatycznie niewłaściwe. Mogą pomóc finansować deficytową infrastrukturę podczas rzeczywistej ekspansji. Utrudniają jednak również ustalenie, gdzie zaczyna się niezależny, rentowny popyt.

Sprzedaż akcji Alphabet pełni zatem funkcję ostrzeżenia dla portfela. Eisman ograniczył ekspozycję, zanim otrzymał rozstrzygające dowody na to, że cykl AI zawiódł. Gotówka dała mu możliwość czekania bez wybierania kolejnego zatłoczonego motywu inwestycyjnego.

Jego działanie nie rozstrzygnęło sporu. Ujawniło, jakich dowodów obecnie oczekuje: trwałych przychodów, odpornych marż i generowania gotówki przewyższających pełny koszt infrastruktury AI.

Google News a rosnący rachunek kapitałowy Alphabet

Dynamika operacyjna Alphabet wspiera argumenty za AI, ale jej potrzeby kapitałowe pokazują, dlaczego sam wzrost nie może rozstrzygnąć sporu.

Alphabet podał dobre wyniki za drugi kwartał 22 lipca 2026 r. Przychody osiągnęły 119,8 mld USD, co oznacza wzrost o 24% względem analogicznego okresu poprzedniego roku. Zysk operacyjny wzrósł o 30%, do 40,8 mld USD.

Google Cloud odnotował najbardziej imponujący wzrost. Przychody wzrosły o 82%, do 24,8 mld USD, a portfel zamówień osiągnął 514 mld USD. Portfel zamówień obejmuje zakontraktowaną działalność, która nie została jeszcze ujęta jako przychód.

Liczby te stanowią istotne wsparcie dla tezy o rentowności infrastruktury AI. Pokazują, że Alphabet nie buduje centrów danych bez komercyjnego popytu. Klienci składają zobowiązania, wykorzystują większe moce i wdrażają usługi AI Google.

Alphabet poinformował, że niemal 90% firm z Fortune 100 korzystało z Gemini Enterprise. Spółka podała również, że ponad 2 000 przedsiębiorstw przetworzyło ponad 100 mld tokenów w ciągu poprzednich 12 miesięcy.

Wolumen tokenów mierzy tekst, kod, obrazy lub inne dane przetwarzane przez model AI. Pokazuje aktywność, choć nie ujawnia zysku osiąganego na każdej jednostce.

Wyniki kwartalne spółki pokazały również, że przetwarzano około 22 mld tokenów API na minutę. To wzrost z 16 mld kwartał wcześniej.

Wyszukiwarka dostarcza kolejnego sygnału wspierającego tę tezę. Alphabet podał, że AI Mode przekroczył miliard aktywnych użytkowników miesięcznie po globalnym rozszerzeniu dostępności. Przychody z wyszukiwania i pozostałej reklamy wzrosły o 17%.

Wyniki te podważają najprostszy argument o bańce. Google nie raportuje stagnacji produktów, jednocześnie wydając środki na niezwiązany z nimi eksperyment. Funkcje AI docierają do szerokiej grupy odbiorców, a klienci chmurowi zużywają znaczną moc obliczeniową.

Alphabet wydał jednak w kwartale 44,9 mld USD na nakłady inwestycyjne. Nakłady inwestycyjne, czyli capex, obejmują aktywa długoterminowe, takie jak serwery, systemy sieciowe i centra danych.

Te kwartalne wydatki przekroczyły 39,1 mld USD przepływów pieniężnych z działalności operacyjnej Alphabet. Wolne przepływy pieniężne były ujemne i wyniosły 5,9 mld USD po nakładach inwestycyjnych oraz innych korektach.

Zarząd podniósł oczekiwane nakłady kapitałowe na 2026 r. do przedziału od 195 mld USD do 205 mld USD. Poinformował również, że wydatki ponownie znacząco wzrosną w 2027 r.

W tym miejscu ostrzeżenie Steve’a Eismana dotyczące AI staje się trudniejsze do zignorowania. Silne przychody nie eliminują kwestii kosztów, gdy inwestycje infrastrukturalne rosną jeszcze szybciej.

Centrum danych wymaga czegoś więcej niż początkowej płatności za budowę. Potrzebuje procesorów, pamięci, chłodzenia, sprzętu sieciowego, energii elektrycznej, konserwacji i wykwalifikowanych operatorów. Starszy sprzęt traci też wartość ekonomiczną, gdy pojawiają się szybsze systemy.

Zasady rachunkowości rozkładają ujęty koszt wielu aktywów na ich oczekiwany okres użytkowania. Proces ten, zwany amortyzacją, obniża raportowany zysk przez kilka okresów zamiast ujmować cały wydatek natychmiast.

Amortyzacja nie tworzy całego ryzyka. Większym problemem jest to, czy ekonomiczny okres użyteczności sprzętu odpowiada harmonogramowi księgowemu. Sprawny procesor może pozostać użyteczny po tym, jak nowsze chipy uczynią go mniej konkurencyjnym.

Alphabet twierdzi, że ulepszenia inżynieryjne i sprzętowe obniżają koszty obsługi AI. Spółka podała, że koszt odpowiedzi AI Mode osiągnął w kwartale najniższy poziom od uruchomienia usługi.

Ten postęp ma znaczenie. Spadające koszty jednostkowe mogą przekształcić rosnące wykorzystanie w poprawę marż. Mogą też wydłużyć użyteczną rolę istniejącej infrastruktury dzięki lepszemu oprogramowaniu i zarządzaniu obciążeniami.

Niższy koszt jednej odpowiedzi nie oznacza jednak automatycznie niższych wydatków całkowitych. Wykorzystanie może rosnąć szybciej, niż poprawia się efektywność. Bardziej zaawansowane modele mogą również wymagać większych zasobów obliczeniowych dla każdego złożonego zadania.

Inwestorzy potrzebują zatem dwóch zestawów liczb. Relacje Google News naturalnie podkreślają wzrost, produkty i wykorzystanie. Test finansowy wymaga również analizy kapitałochłonności, amortyzacji, kosztów operacyjnych i wolnych przepływów pieniężnych.

Cały rynek opiera się na jednym założeniu dotyczącym AI

Szersza obawa Eismana dotyczy koncentracji: akcje i obligacje mogą zależeć od tej samej ekonomiki AI, mimo pozornej dywersyfikacji.

Szeroki fundusz indeksowy posiada akcje setek firm. Taka struktura zwykle ogranicza szkody wynikające ze spadku jednej spółki. Nie eliminuje jednak ekspozycji, gdy największe pozycje dzielą ten sam cykl wydatków.

S&P Dow Jones Indices klasyfikuje S&P 500 jako benchmark dużych spółek obejmujący około 80% dostępnej kapitalizacji rynku USA. Jego ważenie kapitalizacją daje największym firmom największy wpływ.

Dziesięć największych przedsiębiorstw stanowiło około 36,4% indeksu, gdy TheStreet opublikował swój raport. Alphabet, Microsoft, Nvidia, Amazon, Meta i inne spółki powiązane z AI zajmowały znaczną część tej skoncentrowanej grupy.

Oficjalna metodologia indeksu nie obiecuje równej ekspozycji na spółki ani motywy gospodarcze. Inwestorzy mogą posiadać 500 akcji, podczas gdy niewielka grupa nadal determinuje dużą część wyników.

To tworzy jedną stronę niebezpiecznej transakcji, o której mówi Eisman. Inwestorzy akcyjni są silnie uzależnieni od utrzymania przez duże spółki technologiczne wzrostu zysków związanego z AI.

Druga strona sięga rynku obligacji. Centra danych wymagają długowiecznych aktywów fizycznych, a skala rozbudowy zachęca do zaciągania długu przez firmy technologiczne, deweloperów, przedsiębiorstwa użyteczności publicznej i partnerów infrastrukturalnych.

Akcje i obligacje zachowują się odmiennie w normalnych warunkach. Oba rodzaje aktywów mogą jednak ucierpieć, gdy ich emitenci zależą od tych samych oczekiwanych przepływów pieniężnych.

Inwestor może posiadać akcje technologiczne dla wzrostu oraz obligacje korporacyjne dla stabilności. Jeśli infrastruktura AI wspiera zyski z akcji i wiarygodność kredytową obligacji, taki portfel ma mniejszą różnorodność ekonomiczną, niż sugerują jego etykiety.

Rezerwa Federalna nie ogłosiła kryzysu AI. W przeglądzie z maja 2026 r. określiła podatność gospodarstw domowych i przedsiębiorstw związaną z zadłużeniem jako ogólnie umiarkowaną. Stwierdziła również, że banki pozostały stabilne i odporne.

Fed uznał jednak, że presja wynikająca z wycen akcji pozostawała podwyższona. Wskaźnik cena do zysku dla spółek z S&P 500 utrzymywał się blisko górnej granicy historycznego rozkładu.

Uczestnicy rynku ankietowani przez Fed często wskazywali rozwój sytuacji związanej z AI jako jedno z potencjalnych zagrożeń. Wymieniali również ryzyko geopolityczne, szok na rynku ropy, kredyt prywatny i utrzymującą się inflację.

Przegląd stabilności finansowej zapewnia użyteczną równowagę. Uznaje AI za kanał ryzyka, nie twierdząc, że załamanie jest pewne ani nieuchronne.

To rozróżnienie odpowiada stanowisku Eismana. Wysoka koncentracja tworzy podatność na ryzyko, ale nie daje wiarygodnego sygnału co do momentu zwrotu. Drogie rynki mogą nadal rosnąć, dopóki zyski pozostają wysokie.

Koncentracja działa też w drugą stronę. Niewielka grupa rentownych firm może wspierać indeks, gdy słabsze branże mają trudności. Alphabet i Microsoft mają ugruntowane biznesy generujące gotówkę poza działalnością związaną z AI.

Google nadal uzyskuje znaczące przychody z reklam. Microsoft sprzedaje oprogramowanie i usługi chmurowe dla wielu różnych obciążeń. Amazon prowadzi działalność handlową i logistyczną, a Meta finansuje infrastrukturę dzięki reklamom.

To właśnie te źródła gotówki odróżniają dzisiejszych liderów od spekulacyjnych firm bez ugruntowanych przychodów. Dają hyperscalerom więcej czasu na poprawę ekonomiki AI i pokrycie początkowych strat operacyjnych.

Presja jednak pozostaje. Duże firmy mogą sobie pozwolić na ogromne programy inwestycyjne, lecz inwestorzy nadal porównują każdy z nich z innymi sposobami wykorzystania kapitału. Centra danych konkurują z przejęciami, badaniami, dywidendami i skupem akcji własnych.

Duży bilans nie sprawia, że kapitał staje się darmowy. Każdy serwer musi ostatecznie przyczyniać się do wzrostu przychodów, obniżenia kosztów, obrony podstawowej działalności albo stworzenia cennej opcji strategicznej.

Ten standard wyjaśnia, dlaczego boom AI może jednocześnie wydawać się zdrowy i kruchy. Finansują go najsilniejsze firmy, ale wiele zdywersyfikowanych portfeli zależy od tego, czy te same spółki właściwie zrozumieją jego ekonomikę.

Popyt na chmurę jest realny, ale testem jest rentowność

Główny konflikt nie dotyczy realnego popytu kontra wyimaginowany popyt. Chodzi o realny popyt kontra koszt jego rentownej obsługi.

Microsoft dostarcza istotnych argumentów dla optymistycznego scenariusza. Firma podała, że w trzecim kwartale roku fiskalnego 2026 poniosła 31,9 mld USD nakładów kapitałowych.

Około dwie trzecie tych wydatków przeznaczono na aktywa o krótszym okresie użytkowania, w tym procesory graficzne i procesory centralne. Aktywa te obsługują obliczenia stojące za obciążeniami chmurowymi i AI.

Microsoft stwierdził, że pojemność chmury nadal nie nadążała za popytem klientów. Jego ujawnione dane dotyczące dostępnej pojemności sugerują, że firma reagowała na rzeczywiste ograniczenia, a nie jedynie budowała niewykorzystywane obiekty.

Ograniczenia podaży mogą wskazywać na siłę cenową. Gdy klienci chcą więcej mocy niż dostawca jest w stanie zapewnić, może on priorytetyzować wartościowe obciążenia i negocjować korzystne zobowiązania.

Mogą jednak również maskować nierentowny popyt. Klienci będą zamawiać więcej subsydiowanej usługi, szczególnie gdy dostawcy rywalizują o udział w rynku lub oferują zachęty.

Kluczową miarą nie jest lista oczekujących. Jest nią marża osiągana po uwzględnieniu kosztów obliczeń, energii, amortyzacji, sieci, wsparcia i finansowania.

W centrum tego pytania znajduje się inferencja. Inferencja to proces uruchamiania wytrenowanego modelu w celu odpowiedzi na zapytanie, wygenerowania treści lub wykonania zadania.

Trening tworzy model, ale to inferencja obsługuje codziennych użytkowników. Jej ekonomika przesądza o tym, czy masowa adopcja stanie się źródłem powtarzalnych zysków, czy kosztowną strategią zwiększania zaangażowania.

Obawa Eismana polega na tym, że klienci mogą nie akceptować cen niezbędnych do rentownej inferencji. Firmy lubią niedrogie wsparcie AI, ale ich gotowość do płacenia ma granice.

Dostawcy modeli mogą obniżać ceny wraz z poprawą chipów i oprogramowania. Konkurencja może też wymuszać takie obniżki, zanim koszty spadną wystarczająco, co będzie ograniczać marże w całym sektorze.

Modele zamknięte znajdują się pod presją alternatyw z otwartymi wagami. Model o otwartych wagach udostępnia wyuczone parametry na określonych warunkach, umożliwiając organizacjom samodzielne hostowanie lub dostosowywanie go.

Samodzielne hostowanie nie eliminuje kosztów. Firmy nadal potrzebują sprzętu, zespołów inżynieryjnych, zabezpieczeń, monitorowania i zarządzania. Daje jednak zaawansowanym nabywcom kolejną opcję negocjacyjną.

Platformy chmurowe mogą odpowiedzieć, oferując kompletne systemy zamiast samego dostępu do modeli. Systemy te łączą narzędzia danych, mechanizmy bezpieczeństwa, niestandardowe procesory, agentów programowych i wsparcie dla przedsiębiorstw.

Podejście Alphabet opiera się na tej strategii. Google Cloud sprzedaje chipy, modele, usługi danych, produkty bezpieczeństwa i narzędzia do tworzenia agentów jako zintegrowany pakiet.

Integracja może poprawiać marże, ponieważ klienci kupują szerszą relację biznesową. Może też zwiększać koszty zmiany dostawcy, gdy aplikacje zależą od zastrzeżonych usług jednego podmiotu.

Tworzy to bardziej zniuansowany test rentowności infrastruktury AI. Inwestorzy nie powinni mierzyć wyłącznie przychodów z bezpośrednich wywołań modeli. AI może wzmacniać reklamę, retencję w chmurze, adopcję wśród deweloperów, sprzedaż rozwiązań bezpieczeństwa i produktywność.

Część zwrotów pojawi się także jako obronione przychody, a nie nowe przychody. Google może intensywnie inwestować w AI, ponieważ brak ulepszeń w Search zagroziłby jego obecnej działalności.

Inwestycje obronne nadal mogą być racjonalne. Komplikują jednak kalkulację, ponieważ zarząd nie może łatwo wykazać, które przychody istnieją wyłącznie dlatego, że firma zbudowała więcej infrastruktury.

Teza Eismana staje się najsilniejsza, jeśli nakłady kapitałowe nadal rosną, podczas gdy marże, przepływy pieniężne i ceny dla klientów słabną. Słabnie, jeśli przychody rosną w tempie skumulowanym, koszty jednostkowe spadają, a wolne przepływy pieniężne się odbudowują.

Obecne dowody wspierają obie strony. Wzrost chmury i ograniczona pojemność pokazują popyt. Ujemne kwartalne wolne przepływy pieniężne Alphabet pokazują bezpośredni koszt jego zaspokojenia.

Dlatego proste określenie „bańka” niewiele wnosi. Bańka oznacza, że ceny oddzieliły się od trwałej ekonomiki, ale ta ekonomika wciąż się kształtuje.

Bardziej użyteczne pytanie jest węższe: czy hyperscalerzy zdołają przekształcić deficytową moc obliczeniową w zwroty przewyższające ich całkowity koszt kapitału, zanim konkurencja uczyni tę moc powszechną?

Co optymistyczny scenariusz trafnie ujmuje w rozbudowie infrastruktury

Ostrzeżenie Eismana zasługuje na analizę, ponieważ najsilniejszy kontrargument wynika z wyników operacyjnych, a nie z optymizmu.

Wyniki Alphabet za drugi kwartał pokazują rosnące przychody, zysk operacyjny, portfel zamówień w chmurze i wykorzystanie AI. Nie są to typowe oznaki firmy, której klienci zniknęli.

Ograniczenia pojemności Microsoftu dostarczają kolejnego konkretnego sygnału. Firmy zwykle nie pozostają ograniczone podażowo, gdy popyt ma wyłącznie charakter promocyjny albo ogranicza się do niewielkich eksperymentów.

Nvidia również zajmuje korzystną pozycję w tym łańcuchu. Może osiągać zysk, gdy klienci kupują jej procesory, nawet jeśli część zastosowań na dalszych etapach później rozczaruje.

Eisman podobno przyznał, że Nvidia prawdopodobnie będzie rentownie sprzedawać swoje chipy. Jego obawa zaczyna się dalej w łańcuchu, gdzie dostawcy chmury i użytkownicy końcowi muszą uzyskać zwrot z tej mocy obliczeniowej.

To rozróżnienie przypomina dostawcę sprzedającego sprzęt podczas boomu surowcowego. Dostawca może prosperować nawet wtedy, gdy część klientów przecenia wartość kupowanych aktywów.

Hyperscalerzy nie są jednak biernymi nabywcami. Alphabet, Amazon i Microsoft prowadzą globalne platformy chmurowe z dużą bazą klientów i rozbudowanym portfolio oprogramowania.

Mogą wykorzystywać infrastrukturę ponownie w wyszukiwaniu, reklamie, oprogramowaniu zwiększającym produktywność, cyberbezpieczeństwie, wideo i zewnętrznych obciążeniach chmurowych. Procesor kupiony dla jednej usługi może obsługiwać inne zadania, gdy zmienia się popyt.

Niestandardowe chipy mogą również obniżać koszty. Alphabet rozwija tensor processing units, a Amazon i Microsoft zaprojektowały własne procesory AI. Systemy te zmniejszają całkowitą zależność od jednego dostawcy.

Optymalizacja oprogramowania wzmacnia ten argument. Lepsze kompilatory, kompresja modeli, planowanie obciążeń i buforowanie mogą zwiększać ilość pracy wykonywanej przez istniejący sprzęt.

Poprawa efektywności może następować szybciej, niż pokazują to sprawozdania finansowe. Capex od razu pojawia się w przepływach pieniężnych, podczas gdy powstałe aktywa mogą generować przychody przez kilka lat.

Duże programy budowlane powodują również nierównomierne wyniki kwartalne. Okres ujemnych wolnych przepływów pieniężnych nie dowodzi, że wieloletnia inwestycja zakończy się niepowodzeniem.

Portfel zamówień Alphabet wskazuje na przyszły zakontraktowany popyt, choć portfel zamówień nie gwarantuje zysku. Na ostateczny zwrot nadal wpływają harmonogram, wykorzystanie przez klientów, koszty obsługi i warunki umów.

Optymistyczny scenariusz uwzględnia też konieczność strategiczną. AI zmienia sposób, w jaki ludzie wyszukują informacje, piszą oprogramowanie, analizują dane i korzystają z systemów biznesowych.

Hyperscaler, który wydaje zbyt mało, może stracić znaczenie produktu, nawet jeśli ograniczenie capexu poprawi krótkoterminowe przepływy pieniężne. Zespoły zarządzające muszą równoważyć bieżące zwroty z tym ryzykiem konkurencyjnym.

Dla deweloperów większa podaż infrastruktury może obniżyć opóźnienia i poprawić dostępność modeli. Może też wspierać mniejsze firmy, które nie są w stanie budować własnych centrów danych.

Nabywcy korporacyjni zyskują, gdy dostawcy chmury konkurują ceną, zasadami zarządzania i wydajnością. Konkurencja może poprawiać ekonomikę klientów, nawet jeśli wywiera presję na marże dostawców.

Pracownicy umysłowi mogą zobaczyć lepsze narzędzia, zanim inwestorzy dostrzegą wyraźne zwroty. Usługa może oszczędzać pracownikowi czas, nie pozwalając jej dostawcy przejąć pełnej wartości tej produktywności.

Tworzy to lukę między korzyścią społeczną a zwrotem dla akcjonariuszy. Szeroko użyteczna technologia może rozdzielać zyski między klientów, pracowników i konkurujące firmy, zamiast koncentrować je u właścicieli infrastruktury.

Historyczny precedens nie jest idealnym powtórzeniem ery dot-comów. Dzisiejsi najwięksi nabywcy generują znaczne ilości gotówki, a wiele usług AI ma już płacących klientów.

Historia nadal oferuje jednak istotną lekcję. Niezbędna infrastruktura może zostać nadmiernie rozbudowana, gdy każdy uczestnik oczekuje, że popyt uzasadni równoczesną ekspansję.

Ostateczni zwycięzcy mogą tanio nabywać moce po wycofaniu się słabszych operatorów. Klienci mogą korzystać z niższych cen, nawet gdy pierwsi inwestorzy poniosą straty.

Ostrożność Eismana utrzymuje się zatem mimo optymistycznych dowodów. Realna adopcja zmniejsza prawdopodobieństwo, że technologia okaże się bezwartościowa, ale nie gwarantuje atrakcyjnych zwrotów na każdym poziomie.

Sceptyczne stanowisko musi pozostać równie zdyscyplinowane. Jeden kwartał ujemnych wolnych przepływów pieniężnych nie dowodzi nadmiernej rozbudowy. Wysoka prognoza capexu nie dowodzi, że klienci przestaną płacić.

Żadne publiczne dowody nie ustalają jeszcze ostatecznej rentowności tego cyklu inwestycyjnego. Rozbudowa trwa, pojemność pozostaje ograniczona, a firmy nadal raportują intensywne wykorzystanie.

Trzy sygnały zdecydują, czy ostrzeżenie się potwierdzi

Inwestorzy powinni obserwować wzrost przychodów względem kosztów, wolne przepływy pieniężne i ceny dla klientów, zamiast traktować każdą aktualizację Google News jak ostateczny werdykt.

Pierwszym sygnałem jest to, czy przychody związane z AI rosną szybciej niż koszty infrastruktury. Przychody z chmury są jedną z miar, ale inwestorzy powinni także analizować marże operacyjne i amortyzację.

82% wzrost chmury Alphabet daje podstawy do optymizmu. Porównanie staje się mniej korzystne, jeśli capex, energia elektryczna i amortyzacja nadal przyspieszają po normalizacji wzrostu.

Ujawniane przez zarząd informacje powinny z czasem stawać się bardziej szczegółowe. Inwestorzy potrzebują wyraźniejszego rozróżnienia między wydatkami na popyt AI, ogólną ekspansję chmury i wymianę istniejącego sprzętu.

Potrzebują też dowodów dotyczących wykorzystania aktywów. Pełne centrum danych obsługujące rentowne obciążenia wspiera optymistyczny scenariusz. Pełny obiekt obsługujący obciążenia po obniżonych cenach nie odpowiada na pytanie o zwrot.

Drugim sygnałem jest odbudowa wolnych przepływów pieniężnych. Ujemny kwartalny wynik Alphabet na poziomie 5,9 mld USD odzwierciedlał okres intensywnej budowy, a niekoniecznie trwały stan.

Odbudowa przy dalszym wzroście przychodów osłabiłaby ostrzeżenie Eismana. Pokazałaby, że firma może finansować ekspansję, jednocześnie przekształcając większą część zysku operacyjnego w dostępną gotówkę.

Utrzymujące się słabe przepływy pieniężne wzmocniłyby ostrzeżenie, zwłaszcza jeśli zarząd nadal podnosiłby prognozy wydatków kapitałowych. Presja wzrosłaby, gdyby firmy zwiększały zadłużenie, podczas gdy zwroty pozostawałyby odległe.

Inwestorzy powinni analizować kilka kwartałów, a nie jeden raport. Harmonogramy budowy, dostawy sprzętu i płatności podatkowe mogą powodować zmienność, która zaciera podstawowy trend.

Trzecim sygnałem jest gotowość klientów do płacenia za inferencję. Wzrost wykorzystania ma mniejsze znaczenie, jeśli dostawcy muszą stale obniżać ceny szybciej, niż spadają ich koszty.

Odnowienia umów korporacyjnych, długoterminowe kontrakty chmurowe i rosnące obciążenia mogą wspierać optymistyczny scenariusz. Przechodzenie klientów na tańsze modele lub mniejsze wdrożenia przemawiałoby za obawami Eismana.

Sama jakość modeli nie rozstrzygnie tej rywalizacji. Kupujący coraz częściej porównują wydajność, prywatność, opóźnienia, zarządzanie i całkowity koszt operacyjny.

Modele o otwartych wagach zapewnią kolejny punkt odniesienia dla cen. Jeśli przedsiębiorstwa mogą zaspokoić swoje potrzeby za pomocą tańszych systemów, dostawcy premium muszą uzasadnić swoje ceny lepszymi rezultatami.

Ograniczenia przepustowości zasługują na szczególną uwagę w ramach tego trzeciego sygnału. Utrzymujące się niedobory przy stabilnych marżach wskazywałyby na trwały popyt. Niedobory połączone z agresywnymi rabatami mówiłyby co innego.

Szerokość rynku również stanowi dodatkowy test. Szerszy wzrost zysków zmniejszyłby koncentrację portfela, na którą wskazał Eisman.

Jeśli wzrosty rynkowe nadal będą skupione wokół kilku spółek powiązanych z AI, inwestorzy wciąż będą polegać na jednym założeniu finansowym. Taka zależność może spotęgować każde rozczarowanie.

Emisje obligacji powinny podlegać podobnej analizie. Zadłużenie wspierające zakontraktowaną, rentowną infrastrukturę wiąże się z innym ryzykiem niż pożyczanie oparte głównie na prognozowanym popycie.

Żaden z tych sygnałów nie wymaga przewidywania dokładnego szczytu cyklu inwestycyjnego. Pozwalają one czytelnikom sprawdzić tę tezę na podstawie raportowanych wyników.

Deweloperzy powinni się tym interesować, ponieważ korekta może zmienić dostęp do zasobów obliczeniowych. Dostawcy mogą ograniczyć subsydia, anulować eksperymentalne produkty lub skierować moce na klientów z mocniejszymi kontraktami.

Nabywcy korporacyjni powinni się tym interesować, ponieważ dzisiejsze niskie ceny użytkowania mogą nie utrzymać się długo. Usługę zbudowaną wokół subsydiowanej inferencji trudno i kosztownie zastąpić, gdy zależą od niej przepływy pracy i zastrzeżone dane.

Pracownicy wiedzy powinni odróżniać użyteczne produkty od trwałych dostawców. Przechowywanie ważnej pracy w przenośnych formatach i utrzymywanie przeszukiwalnej osobistej bazy wiedzy może zmniejszyć zależność od jednego dostawcy.

Zespoły produktowe AI powinny modelować koszty w kilku scenariuszach cenowych. Powinny również mierzyć, czy klienci płacą za ukończone rezultaty, a nie za samo zużycie tokenów.

Sprzedaż dokonana przez Eismana nie dowodzi, że Alphabet jest przewartościowany, że AI jest bańką ani że korekta jest blisko. Pokazuje, że uznany inwestor uznał to ryzyko za trudniejsze do dywersyfikacji.

Najmocniejsza odpowiedź nie nadejdzie wraz z kolejnym dramatycznym nagłówkiem. Przyniosą ją marże chmurowe, wolne przepływy pieniężne, odnowienia umów klientów oraz koszt obsługi każdego zapytania AI.

Kolejny cykl wyników finansowych powinien wyjaśnić, czy obecne wydatki budują rentowne przedsiębiorstwo użyteczności publicznej, czy finansują wydłużony okres subsydiowanej adopcji. Obserwuj te liczby, zanim zaakceptujesz którykolwiek skrajny pogląd.

Google News będzie nadal dostarczać twierdzenia o bańkach, przełomach i ogromnych nowych zobowiązaniach. Czytelnicy powinni zadawać jedno konsekwentne pytanie pod każdą historią: kto zarabia ostatniego dolara?

To pytanie zmienia relacje o AI w praktyczne narzędzie decyzyjne. Śledź przychody, prześledź koszty i sprawdź, czy klient na końcu łańcucha jest w stanie utrzymać cały system.